利用SQL对拍拍贷数据进行逾期分析

一、分析背景和目的

拍拍贷成立于2007年6月，总部位于国际金融中心上海，是中国第一家网络信用借贷平台。与国内其他P2P平台相比，拍拍贷的最大特点在于采用纯线上模式运作，平台本身不参与借款，而是实施信息匹配、工具支持和服务等功能，借款人的借款利率在最高利率限制下，由自己设定。而这也是P2P网贷平台最原始的运作模式。

随着多年的经验积累，拍拍贷不管是在贷款总额上还是在风控方面都有所提高，而且目前基于大数据分析的风控体系表现良好。基于此，本文选取了部分拍拍贷真实业务数据作为样本，利用SQL进行相关的数据分析，通过此次分析了解当前金融行业的相关业务信息并检验SQL学习成果。

二、分析思路

1、本次对拍拍贷数据进行逾期分析，将解决以下几个业务问题：

（1）贷款产品类型有哪些？各种产品及其逾期情况表现如何

（2）贷款金额、期限、利率表现如何？与逾期率之间是否存在着某种关系？

（3）客户年龄、性别、初始评级分别与客户逾期的关系如何？

（4）客户各项认证情况如何？认证情况与逾期情况的关系如何？

（5）所有客户中新老客户构成及其逾期情况如何？老客户历史逾期情况与当前逾期的关系如何？
2、分析思路——思维导图

三、分析内容

3.1 理解数据

本文所选取数据为拍拍贷真实业务数据，包含了成交时间从2015年1月1日到2017年1月30日的一部分数据作为分析样本，数据文件为LCIS，共有37个字段， 292539条记录。其下载地址为：
https://www.kesci.com/home/dataset/58c614aab84b2c48165a262d
数据集所有字段信息如下

3.2 数据清洗

（1） 选择子集
选择子集，并保存至新的表lcis2

（2） 列表重命名

（3） 检查异常值及重复数据，删除异常值和重复数据

如果从客户编号单一维度来说，有大量的重复数据，但是由于大部分重复数据也许是因为客户有多次贷款记录，故不能简单粗暴的进行删除。我们可以通过对时间进行分组，再进行计数来统计重复数据以及异常值


通过以上SQL查询可以得知，有部分记录日期是异常数据，占比非常小，仅0.4%，在后续分析过程中可将其直接删除。另外记录日期为2016-09-30存在106条重复数据，在后续过程中也可以用去重手段将其直接删除。
去除重复数据，将结果保存至表lcis3中

检查LCIS3表是否还存在重复数据，如下所示，表示已经无重复数据了。

（4） 缺失值处理

检查各数据是否存在缺失值

对其他的各个字段也进行上述的查询，发现并无缺失值。

（5） 一致化处理

将标当前状态更改为逾期和未逾期两种，并保存至表lcisnew 当中

（